Perguntas com a marcação «bayesian»

Suponha que tenhamos um conjunto de pontos . Cada ponto é gerado usando a distribuição Para obter posterior para , escrevemos p (x | \ mathbf {y}) \ propto p (\ mathbf {y} | x) p (x) = p (x) \ prod_ {i = 1} ^ N p (y_i x) …

13 bayesian  mixture  posterior 

Estou tentando executar um logit bayesiano nos dados aqui . Estou usando bayesglm()no armpacote em R. A codificação é direta o suficiente: df = read.csv("http://dl.dropbox.com/u/1791181/bayesglm.csv", header=T) library(arm) model = bayesglm(PASS ~ SEX + HIGH, family=binomial(link="logit"), data=df) summary(model) fornece a seguinte saída: Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.10381 …

13 r  bayesian  p-value 

Existem vários artigos pesados ​​em matemática que descrevem o laço bayesiano, mas eu quero testar o código JAGS correto que eu possa usar. Alguém poderia postar um exemplo de código BUGS / JAGS que implementa regressão logística regularizada? Qualquer esquema (L1, L2, Elasticnet) seria ótimo, mas Lasso é o preferido. …

13 bayesian  logistic  lasso  jags  regularization 

Eu já vi referências ao aprendizado da teoria das probabilidades bayesianas em R, e eu queria saber se há mais como isso, talvez especificamente em Python? Voltado para o aprendizado da teoria da probabilidade bayesiana, inferência, estimativa da máxima verossimilhança, modelos gráficos e o tipo?

13 machine-learning  bayesian  python  graphical-model 

Fechadas. Esta questão está fora de tópico . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Atualize a pergunta para que ela esteja no tópico de Validação cruzada. Fechado há 11 meses . Estou seguindo um curso de estatística bayesiana usando BUGS e R. Agora, eu já conheço …

13 r  bayesian  bugs 

Em resposta a um crescente corpo de estatísticos e pesquisadores que criticam a utilidade do teste de hipótese nula (NHT) para a ciência como um esforço cumulativo, a Força-Tarefa da Associação Americana de Psicologia em Inferência Estatística evitou uma proibição total do NHT, mas sugeriu que os pesquisadores relatam tamanhos …

13 bayesian  confidence-interval  effect-size  inference 

Gostaria de automatizar a escolha do burn-in para uma cadeia MCMC, por exemplo, removendo as primeiras n linhas com base em um diagnóstico de convergência. Até que ponto essa etapa pode ser automatizada com segurança? Mesmo se eu ainda verificar a autocorrelação, o rastreamento mcmc e os pdfs, seria bom …

13 r  bayesian  mcmc 

Aprendendo estatísticas bayesianas pela primeira vez; como um ângulo para entender o MCMC, eu me perguntava: está fazendo algo que fundamentalmente não pode ser feito de outra maneira, ou está apenas fazendo algo com muito mais eficiência do que as alternativas? A título de ilustração, suponha que estamos tentando calcular …

13 bayesian  mcmc 

O classificador Naive Bayes é o classificador que atribui itens a uma classe base na maximização do posterior para associação à classe e assume que os recursos dos itens são independentes.CxxxCCCP(C|x)P(C|x)P(C|x) A perda de 0-1 é a perda que atribui a qualquer classificação incorreta uma perda de "1" e uma …

13 machine-learning  bayesian  optimization  naive-bayes  loss-functions 

Estou tentando calcular o intervalo de 95% credível da seguinte distribuição posterior. Não consegui encontrar a função em R para isso, mas a abordagem abaixo está correta? x <- seq(0.4,12,0.4) px <- c(0,0, 0, 0, 0, 0, 0.0002, 0.0037, 0.018, 0.06, 0.22 ,0.43, 0.64,0.7579, 0.7870, 0.72, 0.555, 0.37, 0.24, 0.11, …

13 bayesian  descriptive-statistics  credible-interval 

Sou bastante novo no campo dos processos gaussianos e como eles estão sendo aplicados no aprendizado de máquina. Eu continuo lendo e ouvindo sobre as funções de covariância sendo a principal atração desses métodos. Então, alguém poderia explicar de maneira intuitiva o que está acontecendo nessas funções de covariância? Caso …

13 machine-learning  probability  bayesian 

Estou reproduzindo do zero os resultados na Seção 4.2.1 de Probabilidade marginal da produção de Gibbs Siddhartha Chib Jornal da Associação Estatística Americana, vol. 90, No. 432. (Dec., 1995), pp. 1313-1321. É uma mistura de modelos normais com o número conhecido de componentes. k ≥ 1k≥1k\geq 1f( x ∣ w …

13 bayesian  mixture  gibbs 

Atualmente, estou lendo o excelente livro "Doing Bayesian Data Analysis" de Kruschke. No entanto, o capítulo sobre regressão logística hierárquica (capítulo 20) é um tanto confuso. A Figura 20.2 descreve uma regressão logística hierárquica em que o parâmetro de Bernoulli é definido como uma função linear nos coeficientes transformados através …

13 regression  bayesian  logistic  multilevel-analysis 

MLE = Estimativa de Máxima Verossimilhança MAP = Máximo a posteriori O MLE é intuitivo / ingênuo, pois começa apenas com a probabilidade de observação dada o parâmetro (ou seja, a função de verossimilhança) e tenta encontrar o parâmetro que melhor se adequa à observação . Mas não leva em …

13 machine-learning  bayesian  estimation  maximum-likelihood  inference 

Qual é a diferença entre paradigmas bayesianos objetivos e subjetivos? Quais objetos ou procedimentos eles definem ou interpretam de maneira diferente? Existe alguma diferença na escolha de métodos?

12 bayesian  methodology